Architektura GPU dla obliczeń równoległych

Jesteś ciekawy sprzętu, który napędza wszystko, od wysokiej klasy gier po najnowocześniejszą sztuczną inteligencję? Nowoczesna architektura GPU to podstawa do uzyskania ogromnej szybkości i wydajności obliczeniowej. Pod koniec tego kursu będziesz miał głębokie, podstawowe zrozumienie wewnętrznej struktury GPU, w tym jego podstawowych komponentów, typów pamięci i zasad, które umożliwiają wysoce równoległe przetwarzanie. Będziesz w stanie przeczytać i zrozumieć specyfikacje techniczne związane z wieloprocesorami strumieniowymi, przepustowością pamięci i potokami wykonawczymi. Czego się nauczysz: * Zrozum historyczną ewolucję procesorów graficznych od dedykowanych rendererów graficznej do procesorów równoległych ogólnego przeznaczenia (GPGPU). * Poznaj podstawowe pojęcia przetwarzania równoległego, w tym SIMD, SIMT i modele wykonywania wątków. * Opanuj relację między wieloprocesorami strumieniowymi a przepustowością obliczeniową w nowoczesnych architekturach. * Zrozumieć złożoną hierarchię pamięci w GPU, w tym role globalnej, współdzielonej i stałej pamięci. * Zastosuj wiedzę architektoniczną, aby ocenić potencjalne wąskie gardła wydajności w równoległych obciążeniach i kodzie. * Konfigurowanie podstawowych parametrów wykonawczych, rozpoznawanie kompromisów między opóźnieniem a przepustowością w jądrach obliczeniowych. Kurs zaczyna się od podstawowych definicji i historycznego kontekstu GPGPU, a następnie systematycznie bada jednostki funkcjonalne, potoki instrukcji i różne podsystemy pamięci. Kończymy praktyczne dyskusje na temat wpływu ograniczeń architektonicznych na optymalizację oprogramowania. Ten kurs jest przeznaczony specjalnie dla początkujących bez wcześniejszego doświadczenia w projektowaniu sprzętu lub programowania równoległego. Jeśli interesuje Cię architektura komputerów, sprzęt AI lub obliczenia o wysokiej wydajności, jest to idealny punkt wyjścia. Zacznij czytać już dziś i zdemaskuj moc procesora graficznego.